Valentin de Bortoli, les propriétés expérimentales et théoriques des modèles génératifs

Quel est votre domaine de recherche ?

Valentin de Bortoli : Mon domaine de recherche s’établit à l’intersection des statistiques computationnelles, de l’apprentissage automatique et des probabilités appliquées. Plus précisément, je m’intéresse aux propriétés expérimentales et théoriques des modèles génératifs qui ont pour but l’échantillonnage de distributions de probabilités via de larges jeux de données. Les applications sont nombreuses ! Ainsi, les modèles génératifs sont au cœur des dernières avancées de l’apprentissage automatique comme la prédiction du repliement des protéines.

Qu’avez-vous fait avant d’entrer au CNRS ? Pourquoi avoir choisi le CNRS ?

V. D. : Avant d’entrer au CNRS, j’ai effectué une thèse de doctorat à l’ENS Paris Saclay (anciennement ENS Cachan) sous la direction d’Agnès Desolneux, de Bruno Galerne et d’Arthur Leclaire. Cette thèse portait sur l’étude de modèles de maximum d’entropie pour la synthèse de textures (qui sont une classe particulière de modèles génératifs). J’ai soutenu cette thèse en juin 2020 puis ai poursuivi en tant que chercheur post-doctoral au sein du département de statistiques d’Oxford où j’ai notamment pu collaborer avec Arnaud Doucet sur de nouvelles problématiques liées aux modèles génératifs. Durant cette année de postdoctorat, j’ai également postulé au CNRS en tant que chargé de recherche pour la section 07 et en section 41. J’ai eu la chance d’être admis en section 07 au sein de l’équipe DATA au Centre de sciences des données à l’ENS Paris en 2021. J’ai pu reporter le début de mon contrat à février 2022 pour finir les projets entamés à Oxford.

Le CNRS a toujours été synonyme d’excellence et de liberté scientifique. Il était donc naturel de tenter les concours d’entrée et de postuler à un poste de chargé de recherche !

Qu’est-ce qui vous a amené à faire de l’informatique et/ou des sciences du numérique ?

V. D. : Il n’y a pas eu de véritable déclic pour moi, mais j’ai toujours apprécié les mathématiques et la physique que ce soit au lycée, en classe préparatoire ou lors de mes études à l’ENS Paris-Saclay. Je profite de cette occasion pour remercier mes professeur.e.s de mathématiques et de physique au cours de ces années ! La transition vers l’apprentissage automatique s’est effectuée naturellement lors de ma thèse dans laquelle je me suis penché sur des problématiques de traitement d’images. Les résultats incroyables obtenus par les approches d’apprentissage automatique pour ces problèmes m’ont poussé à m’engager dans cette voie. J’apprécie énormément cette interaction entre science expérimentale et mathématiques, d’autant plus que de nombreuses autres disciplines peuvent être mises à contribution pour proposer de nouvelles avancées méthodologiques (statistiques, physique, économie…).